I. Creando nuestros datos

Primero, crearemos un vector con cada uno de los nombres de las personas y los datos de la latitud y longitud del lugar de la República Mexicana al que les gustaría viajar. Posteriormente, mediante la función rbind crearemos una matriz por columnas con los datos de las ubicaciones a las que nos gustaría viajar:

Uriel<-c(-99.11,19.41)
Santiago<-c(-87.466,20.212)
Sebastián<-c(-106.4531,23.2420)
Emilio<-c(-86.8465,21.1742)
Anahí<-c(-74.2973, 4.5708)
viajes<-rbind(Uriel, Santiago, Sebastián, Emilio, Anahí)
viajes
##                [,1]    [,2]
## Uriel      -99.1100 19.4100
## Santiago   -87.4660 20.2120
## Sebastián -106.4531 23.2420
## Emilio     -86.8465 21.1742
## Anahí      -74.2973  4.5708

II. Cambiando el nombre de nuestras columnas

Una vez que hemos creado nuestra matriz de datos, cambiaremos el nombre de nuestras columnas con la función colnames:

colnames(viajes)<-c("Longitud","Latitud")
viajes
##            Longitud Latitud
## Uriel      -99.1100 19.4100
## Santiago   -87.4660 20.2120
## Sebastián -106.4531 23.2420
## Emilio     -86.8465 21.1742
## Anahí      -74.2973  4.5708

III. Transformando nuestra matriz en un data.frame

Recuerda que para hacer gráficas con ggplot y mapas con qmplot necesitamos un data frame. Vamos a transformar nuestra matriz en un data.frame de la siguiente forma:

viajes<-data.frame(viajes)
viajes
##            Longitud Latitud
## Uriel      -99.1100 19.4100
## Santiago   -87.4660 20.2120
## Sebastián -106.4531 23.2420
## Emilio     -86.8465 21.1742
## Anahí      -74.2973  4.5708

IV. Creando una gráfica de dispersión con nombres y puntos

Podemos crear una grafica de dispersión y usar los nombres como etiqueta si utilizamos la función ggplot junto con geom_text; además, podemos agregar puntos a nuestra gráfica con la función geom_point. Finalmente, si queremos que nuestra gráfica sea interactiva, utilizamos la función ggplotly:

dispersion<-ggplot(viajes)+geom_text(aes(Latitud,Longitud),label= rownames(viajes))+geom_point(aes(Latitud,Longitud),color= rainbow(5))
ggplotly(dispersion)

V. Creando un mapa

Para crear un mapa, utilizaremos la funcion qmplot:

qmplot(Longitud, Latitud, data=viajes, color=I(rainbow(5)))

VI. Mapa de puntos y denssidad

Podemos agregar el parámetro geom = c("point","density2d") para hacer un mapa de puntos y densidad:

qmplot(Longitud, Latitud, data=viajes, geom=c("point","density2d"))

VII. Preguntas

1.- ¿Cómo están distribuidas sus ubicaciones?

A excepción de Anahí y sebastián todos los demás se encuentran relativamente cerca. Sólo Anahí elegió un punto fuera de México

2.- Si tuvieras que pensar en una función que pasara por todas sus ubicaciones, ¿qué tipo de función sería?

La función Racional

3.- ¿Consideras que graficar la ubicación de una persona en un mapa tiene un valor económico? ¿Por qué?

Si, porque puedes identificar a una población por ubicación y que tus datos sean más especificos como tambien se identificar las actividades económicas que se desarrollan en esas ubicaciones.

4.- ¿Hasta ahora qué han aprendido en el curso?

Hemos aprendido a progrmar en R empezando con lo básico hasta ahora que empezamos a implementar herramientas más complicadas como el análisis de datos y mapas.


Esta obra fue generada mediante R en November 18, 2020 y forma parte de las actividades realizadas en las materias de Matemáticas I y Taller III, Facultad de Economía, UNAM.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional. Creative Commons (CC).Licencia de Creative Commons